評估 precision 與 ROI
在這個練習中，你要延續上一題，執行 MLPClassifier，並與先前使用過的另外三種分類器做比較。對每個分類器，你會計算 precision 與廣告支出的隱含 ROI。和之前一樣，已提供 X 與 y 的訓練與測試切分：X_train、X_test、y_train、y_test，而且特徵已經標準化。
本練習屬於課程
用 Python 透過機器學習預測 CTR
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create list of classifiers
names = ['Logistic Regression', 'Decision Tree',
'Random Forest', 'Multi-Layer Perceptron']
clfs = [LogisticRegression(),
DecisionTreeClassifier(), RandomForestClassifier(),
MLPClassifier(hidden_layer_sizes = (5, ), max_iter = 40)]
# Fit each classifier and evaluate AUC of ROC curve
for name, classifier in zip(names, clfs):
classifier.____(____, ____)
y_score = classifier.____(X_test)
y_pred = classifier.____(X_test)
prec = ____(____, y_pred, average = 'weighted')
print("Precision for %s: %s " %(name, prec))